Growth and Yield Comparison of French Bean as Influenced by Three Varieties and Nutrients
Notice bibliographique
Résumé
The experiment was conducted in the Horticultural Farm of Sher-e-Bangla Agricultural University, Dhaka, Bangladesh with aim to find out the suitable variety, optimum nutrients and suitable combination variety and optimum nutrients for maximum growth, yield of French bean in Bangladesh. The experiment consisted of two factors. Factor A: different varieties as V1 = BARI French bean-1, V2= BARI French bean-2, V3= BARI French bean-3 and Factor B: different level of nutrients as N1= cowdung (5 t/ha) + vermicompost (2 t/ha), N2= cowdung (5 t/ha) + N90 P30 K45 kg/ha, N3= cowdung (5 t/ha) + vermicompost (2 t/ha) + N90 P30 K45 kg/ha. The experiment was laid out in a Randomized Complete Block Design with three replications. In case of different varieties of French bean the maximum number of flowers (27.83), the highest number of pod harvested per plant (22.14) and the highest pod yield (15.95 t/ha) were found from V2, whereas the lowest was from V3. For the different levels of nutrients1 the highest number of flowers (25.58), the highest number of pod per plant (20.60) and the highest pod yield (14.10 t/ha) were recorded from N2 treatment, while the lowest was from N1 treatment. Due to the combined effect, the maximum number of flowers (32.02), the maximum number of pod harvested per plant (26.50), the highest pod yield (18.92 t/ha) were observed from V2N2 treatment combination, while the lowest were from V3N1 treatment combination. Therefore, the V2N2 treatment combination appeared to be the best for achieving the higher growth and yield of French bean.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».